基于视频序列的动态人脸检测与跟踪算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| §1-1 课题研究背景及意义 | 第9页 |
| §1-2 视频人脸检测与跟踪技术的研究现状 | 第9-11页 |
| 1-2-1 人脸检测的研究现状 | 第9-11页 |
| 1-2-2 人脸跟踪的研究现状 | 第11页 |
| §1-3 视频人脸检测与跟踪发展面临的困难 | 第11-12页 |
| §1-4 本文主要工作及结构 | 第12-13页 |
| 第二章 视频流预处理 | 第13-19页 |
| §2-1 视频分帧 | 第13-15页 |
| §2-2 光照补偿 | 第15页 |
| §2-3 直方图均衡化 | 第15-17页 |
| §2-4 中值滤波 | 第17页 |
| §2-5 本章小结 | 第17-19页 |
| 第三章 视频图像中人脸特征提取算法 | 第19-30页 |
| §3-1 肤色特征 | 第19-24页 |
| 3-1-1 颜色空间 | 第19-21页 |
| 3-1-2 建立肤色模型 | 第21-22页 |
| 3-1-3 肤色分割及后处理 | 第22-24页 |
| §3-2 基于 PCA 的特征提取 | 第24-26页 |
| 3-2-1 PCA 特征提取算法的代数理论基础 | 第24页 |
| 3-2-2 PCA 特征提取算法 | 第24-25页 |
| 3-2-3 PCA 在人脸检测中的应用 | 第25-26页 |
| §3-3 器官梯度特征提取 | 第26-29页 |
| 3-3-1 边缘特征提取 | 第26-27页 |
| 3-3-2 Kirsch 特征提取算法 | 第27-28页 |
| 3-3-3 器官梯度特征提取 | 第28-29页 |
| 3-3-4 人脸定位 | 第29页 |
| §3-4 本章小结 | 第29-30页 |
| 第四章 Adaboost 人脸检测算法 | 第30-40页 |
| §4-1 Harr-like 特征 | 第30-33页 |
| 4-1-1 Harr-like 描述 | 第30-31页 |
| 4-1-2 harr-like 特征的快速计算 | 第31-32页 |
| 4-1-3 harr-like 特征数据处理 | 第32-33页 |
| §4-2 Adaboost 学习算法 | 第33-37页 |
| 4-2-1 弱分类器定义及训练 | 第33-35页 |
| 4-2-2 强分类器定义及训练 | 第35-36页 |
| 4-2-3 级联分类器定义及训练 | 第36-37页 |
| §4-3 人脸检测结果 | 第37-39页 |
| 4-3-1 人脸数据库介绍 | 第37页 |
| 4-3-2 实验结果对比 | 第37-38页 |
| 4-3-3 人脸检测与视频跟踪结果展示 | 第38-39页 |
| §4-4 本章小结 | 第39-40页 |
| 第五章 基于 Camshift 的人脸跟踪算法 | 第40-46页 |
| §5-1 基于视频的人脸跟踪算法 | 第40页 |
| §5-2 Mean Shift 跟踪算法 | 第40-41页 |
| §5-3 Camshift 跟踪算法 | 第41页 |
| §5-4 视频人脸检测与跟踪流程图 | 第41-43页 |
| §5-5 视频人脸跟踪实验 | 第43-44页 |
| §5-6 本章小结 | 第44-46页 |
| 第六章 总结及展望 | 第46-48页 |
| §6-1 本文总结 | 第46页 |
| §6-2 展望 | 第46-48页 |
| 参考文献 | 第48-50页 |
| 致谢 | 第50-51页 |
| 攻读学位期间所取得的相关科研成果 | 第51页 |
